卷积神经网络（Convolutional Neural Network, CNN）如今已成为图像识别领域的核心架构，其成功源于数十年间关键技术的持续突破与架构创新。从早期的LeNet到深度残差网络ResNet，每一次演进都推动了模型性能的跃升，奠定了CNN在计算机视觉中的主导地位。

CNN的崛起始于1998年Yann LeCun提出的LeNet-5。该模型首次系统性地引入卷积层、池化层和全连接层的组合结构，通过局部感受野与权值共享机制，有效提取图像的边缘、纹理等低层特征，成功应用于手写数字识别。LeNet证明了神经网络可自动学习空间特征，为后续发展奠定了基础。

进入2010年代，随着GPU算力提升与大规模数据集（如ImageNet）的出现，CNN迎来爆发式发展。2012年，AlexNet以更深的网络结构和ReLU激活函数显著降低了过拟合，大幅提升了图像分类准确率，开启了深度学习的新纪元。此后，网络设计趋向更深更复杂：VGGNet通过堆叠3×3小卷积核实现了更强的特征表达能力；GoogLeNet提出Inception模块，在不显著增加参数的情况下提升了网络宽度与计算效率。

然而，网络深度增加带来了梯度消失与训练困难问题。2015年，ResNet（残差网络）的提出彻底解决了这一瓶颈。其核心创新在于“残差学习”与“跳跃连接”（skip connection），允许信息跨层传递，使数千层的极深网络也能稳定训练。ResNet在ImageNet竞赛中将错误率降至3.5%，首次超越人类水平，成为CNN发展史上的里程碑。

此外，Batch Normalization、Dropout等正则化技术的应用，进一步提升了模型的泛化能力与训练稳定性。

综上所述，从LeNet的奠基，到AlexNet的突破，再到ResNet的深化，CNN通过不断优化网络结构、解决训练难题，逐步构建起强大的特征提取与分类能力。